2022 Fiscal Year Annual Research Report
Transfer learning from mathematical models and its applications in biomedical engineering
| Project/Area Number |
19H04177
|
|---|
| Research Institution | Nagasaki University |
|---|
Principal Investigator |
酒井 智弥 長崎大学, 情報データ科学部, 准教授 (30345003)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
高田 寛之 長崎大学, 情報データ科学部, 助教 (10297616)
東嶋 美佐子 西九州大学, リハビリテーション学部, 教授 (40279005)
尾長谷 靖 長崎大学, 医歯薬学総合研究科(医学系), 准教授 (40399762)
松永 昭一 長崎大学, 情報データ科学部, 客員研究員 (90380815)
|
|---|
| Project Period (FY) |
2019-04-01 – 2023-03-31
|
| Keywords | 転移学習 / データ同化 / スパースモデリング / 深層展開 / 知識獲得 |
|---|
| Outline of Annual Research Achievements |
今年度は、研究プロジェクトの最終年度であり、基礎研究の整理と医工学応用の展開に取り組んだ。基礎研究では、数理モデル化された知識を備えたディープニューラルネットワーク（DNN）を構築する戦略を3つにまとめた。1つ目の戦略は、数理モデルを学習可能な数値シミュレータとして実装することである。これにより、DNN化した数理モデルがより柔軟にデータから知識を獲得できるようになる。2つ目の戦略は、データ同化のアルゴリズムをDNN化することである。これにより、信号処理分野で開発された反復法における超パラメータの学習が可能や、近接写像のいわゆるプラグインが可能となる。3つ目の戦略は、事前知識に由来する正則化関数を損失関数として使用し、DNNに事前知識を注入することである。これにより、既存の知識や経験則を活用して効果的にDNNを教師なしで訓練することができる。特に3つ目の戦略はほとんど先行研究の例がなく、極めて新規性の高い枠組みであることが明らかになった。医学的合理性が要求される医工学応用では非常に強力な教師なし深層学習の枠組みとなるため、医用画像研究会でこの話題を特別講演で提供した。
これらの戦略と関連する要素技術の組み合わせにより、本研究の基礎研究と医工学応用は更なる可能性を展望できる。例えば、口腔細胞診の背景バイアス問題の解決や、医学知識を下地とする唾液腺腫瘍のMR画像診断・超音波画像診断等を見込める。以上の研究成果を情報系と医学系の各学会や国際会議、論文誌で発表した。取り組む価値のある上記以外の新しい医工学応用も幅広く見出せるため、基礎研究と共に、今後も医工連携の体制で本研究を発展的に継続する価値が大いにあると考えられる。
|
| Research Progress Status |
令和4年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和4年度が最終年度であるため、記入しない。
|
